شمارش تعداد پنل‌‌های خورشیدی به کمک هوش مصنوعی

شمارش کل پنل‌های خورشیدی موجود در ایالات متحده به‌صورت دستی، تقریبا کار غیرممکنی است؛ اما خوشبختانه، تکنولوژی به‌اندازه‌ی کافی پیشرفت کرده‌ که در این زمینه، ما را یاری کند! پژوهشگران دانشگاه استنفورد برای شمارش تعداد پنل‌ها، هوش مصنوعی را پیشنهاد می‌کنند. آن‌ها الگوریتمی مبتنی بر هوش مصنوعی به نام DeepSolar طراحی کرده‌اند که تمام ۱.۴۷ میلیون پنل خورشیدی در آمریکا را شناسایی و شمارش می‌کند.

به‌موجب راهکار پژوهشگران استنفورد، شبکه‌ی عصبی دیجیتالی تصاویر تهیه‌شده توسط ماهواره‌ها به کاشی‌های کوچکتری تبدیل شده و پیکسل‌های موجود در هر یک از این کاشی‌ها دسته‌بندی می‌‌شوند. سپس با تحلیل پیکسل‌های قرارگرفته درکنار هم متوجه می‌شود که آیا سطح مدنظر از پنل خورشیدی تشکیل شده است یا نه؛ خواه با مزرعه‌ای از پنل‌های خورشیدی مواجه باشیم یا با یک پنل خورشیدی تنها در سقف یک مجتمع مسکونی.

در روش مبتنی بر هوش مصنوعی، از خطاهای انسانی جلوگیری می‌شود، دقت کار بالا می‌رود و مهم‌تر از همه، کار شمارش با حداکثر سرعت و کارایی انجام می‌شود. شمارش پنل‌های خورشیدی با این روش تنها چند هفته طول می‌کشد؛ اما در روش‌های عادی ممکن است ماه‌ها و حتی سال‌ها به طول بیانجامد، بدین ترتیب ممکن است اطلاعات نادرستی به دست آوریم؛ زیرا در این حین احتمالا پنل‌های جدیدی نصب شده‌اند که فرایند شمارش را طی نکرده‌اند.

شمارش سریع پنل‌های خورشیدی به دولت در زمینه‌های مختلفی کمک می‌کند؛ به‌عنوان مثال با استفاده از داده‌های این شمارش، دولت درباره‌ی استراتژی‌های خود در زمینه‌ی انرژی‌های تجدیدپذیر تصمیم‌گیری می‌کند، ضریب نفوذ پنل‌های خورشیدی در بین مردم را اندازه‌گیری می‌کند و حتی با استفاده از تحلیل تعداد پنل‌های هر منطقه، وضعیت اقتصادی مردم آن منطقه را بررسی می‌کند.

البته پیش از انجام شمارش، احتمالا پیش‌بینی‌هایی وجود دارد. مثلا می‌توان گفت که تعداد پنل‌ها در کالیفرنیا و قسمت‌های جنوب غربی از سایر مناطق بیشتر است؛ زیرا این محدوده، منطقه‌ای آفتابی است. پژوهشگران به نتایج دیگری نیز دست یافتند. مثلا متوجه شدند که در مناطقی که شدت تابش آفتاب از حد خاصی بالاتر است، به احتمال بسیار زیاد پنل خورشیدی وجود دارد. در این مناطق، شرکت‌ها احتمالا هزینه‌های نصب پنل خورشیدی را کاهش می‌دهند تا تعداد نصب‌ها به میزان قابل‌توجهی افزایش یابد.

البته موانعی هم بر سر راه تکنولوژی DeepSolar وجود دارد؛ مثلا شمارش پنل‌ها با استفاده از تصاویر تهیه‌شده توسط ماهواره‌ها، اطللاعات مفیدی درباره‌ی ویژگی‌های پنل‌ها در اختیار ما قرار نمی‌دهد یا مشخص نمی‌کند که پنل‌ها قدیمی هستند یا جدید. احتمالا در آینده‌ای نزدیک شاهد سیستم‌های مبتنی بر هوش مصنوعی خواهیم بود که این مشکلات را نیز حل خواهند کرد.